Spring AI Alibaba

一、Spring AI Alibaba 概述

Spring AI Alibaba 是一款以 Spring AI 为基础的 AI 框架，它深度集成百炼平台，支持 ChatBot、工作流、多智能体应用开发模式。该框架在 1.0 GA 版本中，为开发者提供了一系列核心能力，助力其快速构建各类 AI 应用。

在这里插入图片描述

（一）核心能力

  1. Graph 多智能体框架
    基于 Spring AI Alibaba Graph，开发者可轻松构建工作流、多智能体应用，无需关注流程编排、上下文记忆管理等底层实现细节。通过将 Graph 与低代码、自规划智能体相结合，为开发者提供了从低代码、高代码到零代码构建智能体的更灵活选择。

  2. AI 生态集成
    Spring AI Alibaba 支持与百炼平台深度集成，提供模型接入、RAG 知识库解决方案；支持 ARMS、Langfuse 等可观测产品无缝接入；支持企业级的 MCP 集成，包括 Nacos MCP Registry 分布式注册与发现、自动 Router 路由等，有效解决企业智能体落地过程中关心的痛点问题。

  3. 探索通用智能体产品与平台
    社区发布了基于 Spring AI Alibaba 框架实现的 JManus 智能体，除对标 Manus 的通用智能体能力外，还致力于探索自主规划在智能体开发方向的应用，为开发者提供更灵活的智能体构建方式。

二、快速开始

（一）开发第一个 Spring AI Alibaba 应用

在 Spring Boot 工程中添加以下依赖，即可开启 AI 智能体开发之旅：

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-bom</artifactId>
    <version>1.0.0.2</version>
    <type>pom</type>
    <scope>import</scope>
</dependency>
<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
</dependency>

开发者可参考官网（https://java2ai.com ）的快速开始指南，了解如何开发 Chatbot、智能体或工作流等应用。同时，也可访问 Github 仓库（https://github.com/alibaba/spring-ai-alibaba ）获取更多信息。

（二）体验官方 Playground 示例

Spring AI Alibaba 官方社区开发了一个包含完整 “前端 UI+后端实现” 的智能体 Playground 示例，使用该框架开发，可体验聊天机器人、多轮对话、图片生成、多模态、工具调用、MCP 集成、RAG 知识库等所有框架核心能力。开发者可本地部署 Playground 示例并通过浏览器访问体验，也可拷贝源码并根据自身业务需求进行调整，快速搭建一套自己的 AI 应用。若想通过更多示例学习 Spring AI Alibaba 框架用法，可参考官方示例仓库（https://github.com/springaialibaba/spring-ai-alibaba-examples ）。
可以参考官网的快速开始了解如何开发 Chatbot、智能体或工作流等应用：

官网：https://java2ai.com
Github 仓库：https://github.com/alibaba/spring-ai-alibaba
总的来说，根据不同场景，您可以选择使用 ChatClient 或 Spring AI Alibaba Graph 两个核心组件来开发 AI 应用。
在这里插入图片描述

三、Spring AI 核心能力支持

开启 Spring AI Alibaba 1.0 之旅
Spring 官方支持 & 生产可用的 Java 智能体框架
随着 Spring AI 1.0 GA 版本的发布，Java 智能体开发迎来了一款具备完整官方支持、生产可用的编程框架，Java 智能体开发进入新时代。

在底层原子抽象能力上，Spring AI Alibaba 支持 Spring AI 的所有核心能力，并在此基础上提供了大量适配实现与最佳实践。以下是 Spring AI 核心定义列表：
随着 Spring AI 1.0 GA 版本的发布，Java 智能体开发迎来了具备完整官方支持、生产可用的编程框架。Spring AI Alibaba 在底层原子抽象能力上，支持 Spring AI 的所有核心能力，并在此基础上提供了大量适配实现与最佳实践。Spring AI 核心定义如下：

  1. 提示（Prompt）：提示（Prompt）
  2. 模型增强（The Augmented LLM）：模型增强（The Augmented LLM）
  3. 顾问（Advisors）：顾问（Advisors）
  4. 检索（Retrieval）：检索（Retrieval）
  5. 记忆（ChatMemory）：记忆（ChatMemory）
  6. 工具（Tool）：工具（Tool）
  7. 评估（Evaluation）：评估（Evaluation）
  8. 可观测性（Observability）：可观测性（Observability）
  9. 模型上下文协议（MCP）：模型上下文协议（MCP）

四、Multi-agent 多智能体框架 Graph

Graph 是 Spring AI Alibaba 社区核心实现之一，也是该框架在设计理念上区别于 Spring AI 只做底层原子抽象的地方。Spring AI Alibaba 期望通过 Graph 帮助开发者更轻松地构建智能体应用。Graph 在设计理念上借鉴 LangGraph，可理解为 Java 版的 LangGraph 实现，社区在此基础上增加了大量预置 Node、简化了 State 定义过程等，让开发者更容易编写对等低代码平台的工作流、多智能体等。

（一）核心能力

  1. 支持 Multi-agent：内置 ReAct Agent、Supervisor 等常规智能体模式。
  2. 支持工作流：内置工作流节点，与主流低代码平台对齐。
  3. 原生支持 Streaming Human-in-the-loop：通过人类确认节点，支持修改状态、恢复执行。
  4. 支持记忆与持久存储。
  5. 支持流程快照。
  6. 支持嵌套分支、并行分支。
  7. PlantUML、Mermaid 可视化导出。

关于 Graph 的具体使用方式，可关注官网文档更新。官方发布的基于 Spring AI Alibaba 实现的通用智能体平台，可作为 Graph 的最佳应用实践。

五、企业级 AI 应用生态集成

在 Agent 生产落地过程中，用户需要解决智能体效果评估、MCP 工具集成、Prompt 管理、Token 上下文、可视化 Tracing 等各种问题。Spring AI Alibaba 通过与 Nacos3、Higress AI 网关、阿里云 ARMS、阿里云向量检索数据库、百炼智能体平台等深度集成，提供全面的智能体企业级生产解决方案，加速智能体从 Demo 走向生产落地。
在这里插入图片描述在这里插入图片描述

（一）企业级 MCP 部署与代理方案

Spring AI Alibaba MCP 通过集成 Nacos MCP Registry，支持 MCP Server 分布式部署与负载均衡调用。对于存量 Spring Cloud、Dubbo 等应用，支持零代码改造实现 API 到 MCP 服务发布，开发者可通过 Spring AI Alibaba MCP 开发自己的 MCP Server 服务代理，即可支持 Nacos 中心 MCP 元数据的自动加载。

（二）AI 网关集成提升模型调用稳定性与灵活性

若使用 Higress 作为后端模型代理，可通过 OpenAI 标准接口接入 Higress AI 模型代理服务，只需使用 spring-ai-starter-model-openai 即可。对于存量的 API 服务，在无需修改代码的情况下，可使用 Higress 作为 API 到 MCP 服务的代理方案。

（三）降低企业数据整合成本，提升 AI 数据应用效果

  1. 百炼 RAG 知识库：百炼是一款可视化 AI 智能体应用开发平台，提供 RAG 知识库管理能力。开发者可将私有数据上传到百炼平台，借助其数据解析、切片、向量化等能力实现数据向量化预处理，处理后的数据可用于后续 Spring AI Alibaba 智能体应用检索，充分利用百炼平台强大的数据处理效果。
  2. 百炼析言 ChatBI，从自然语言到 SQL 自动生成：Spring AI Alibaba NL2SQL 模块可基于大模型的 ChatBI 技术，帮助用户轻松实现自然语言交互的数据分析，理解用户的数据库 schema，自动生成 SQL 查询语句。无论是简单的条件过滤还是复杂的聚合统计、多表关联，都能准确生成对应的 SQL 语句。

（四）可观测与效果评估，加速智能体从 Demo 走向生产落地

Spring AI 在多个关键节点都做了 SDK 默认埋点，用于记录运行过程中的 metrics 与 tracing 信息，包括模型调用、向量检索、工具调用等关键环节的调用情况。Spring AI tracing 信息兼容 OpenTelemetry，理论上可接入市面上主流的开源平台如 Langfuse，或者阿里云 ARMS。

企业级 AI 应用生态集成

六、从聊天机器人、工作流到多智能体

（一）聊天机器人（ChatBot）

AI 应用开发不仅仅是无状态大模型的 API 调用过程，由于大模型预训练的特性，还需要具备领域数据检索（RAG）、会话记忆（Memory）、工具调用（Tool）等集成能力，这些对外集成统称为模型增强模式（The Augmented LLM），允许开发者将自己的数据和外部 API 直接带入模型的推理过程。
在这里插入图片描述

ChatClient 是 Spring AI 中最核心的组件，开发者可使用 ChatClient 开发自己的聊天机器人或智能体应用。ChatClient 支持模型增强模式，为模型调用挂载 Retrieval、Tools、Memory 等外部数据与服务。示例代码如下：

Flux<String> response = chatClient.prompt(query)
    .tools(toolCallbacks)
    .advisors(new QuestionAnswerAdvisor())
    .stream()
    .content();

使用 ChatClient 开发的 AI 应用称为单智能体应用，这种模式简单直接，但当给模型的上下文、工具过多时，整体效果可能变差。

聊天机器人开发

（二）工作流（Workflow）

工作流是以相对固化的模式人为地拆解任务，将一个大任务拆解为包含多个分支的固化流程。其优势是确定性强，模型在其中主要起到分类决策的职责，适合意图识别等类别属性强的应用场景。但工作流要求开发人员对业务流程有深刻的理解，模型不能最大化利用其推理能力，因此被认为不够智能。
在这里插入图片描述

应用 Spring AI Alibaba Graph 可以轻松开发工作流，声明不同的节点，并将节点串联成一个流程图。Graph 中提供大量预置节点，如 LlmNode（大模型节点）、QuestionClassifierNode（问题分类节点）、ToolNode（工具节点）等，可对标到市面上主流的如 Dify、百炼等低代码平台，为用户免去重复开发、定义的负担，只需专注流程串联。

以下是一个可视化绘制的“用户评价分类系统”工作流的代码示例：

StateGraph stateGraph = new StateGraph("Consumer Service Workflow Demo", stateFactory)
    .addNode("feedback_classifier", node_async(feedbackClassifier))
    .addNode("specific_question_classifier", node_async(specificQuestionClassifier))
    .addNode("recorder", node_async(new RecordingNode()))
    .addEdge(START, "feedback_classifier")
    .addConditionalEdges("feedback_classifier", edge_async(new CustomerServiceController.FeedbackQuestionDispatcher()), Map.of("positive", "recorder", "negative", "specific_question_classifier"))
    .addConditionalEdges("specific_question_classifier", edge_async(new CustomerServiceController.SpecificQuestionDispatcher()), Map.of("after-sale", "recorder", "transportation", "recorder", "quality", "recorder", "others", "recorder"))
    .addEdge("recorder", END);

（三）多智能体（Multi-agent）

复杂任务拆解的另一种解决方案是多智能体。相比于工作流，多智能体在整个决策、执行流程上具备更多的自主性和灵活性。多个子智能体间通过通信协作完成任务解答。业界有多种常见的多智能体通信模型。
在这里插入图片描述

Spring AI Alibaba Graph 可用于开发各种多智能体模式。官方社区目前发布了几款基于 Spring AI Alibaba Graph 开发的智能体产品，包括通用智能体 JManus、DeepResearch 智能体、AgentScope 等。

七、打造下一代通用智能体平台

Spring AI Alibaba 定位为以 ChatClient、Graph 抽象为核心的智能体框架，集成框架周边生态，帮助用户快速构建企业级 AI 智能体。随着通用智能体模式的快速发展，社区也在基于 Spring AI Alibaba 探索具备自主规划能力的智能体产品与平台。

（一）JManus 智能体平台

最初，JManus 定位为一款完全以 Java 语言为核心、彻底开源的 Manus 复刻实现。随着对通用智能体方向的深度探索，其最终产品定位调整为成为一个智能体开发平台，让用户能以最直观、低成本的方式构建自己垂直领域的智能体实现。

目前，JManus 具备以下核心能力：

  1. 完整实现了 Manus 多智能体产品：用户可基于 UI 界面使用产品功能，JManus 可基于自动规划模式帮助用户完成问题解答。
  2. 无缝支持 MCP（Model Context Protocol）工具集成：Agent 不仅可调用本地或云端的大语言模型，还能与各类外部服务、API、数据库等进行深度交互，拓展了应用场景和能力边界。
  3. 原生支持 PLAN - ACT 模式：使 Agent 具备复杂推理、分步执行和动态调整的能力，适用于多轮对话、复杂决策、自动化流程等高阶 AI 应用场景。
  4. 支持通过 UI 界面配置 Agent：开发者和运维人员无需修改底层代码，只需在直观的 Web 管理界面上进行简单操作，就能灵活调整 Agent 的参数、模型和工具，还可调整任务规划，提升了易用性和运维效率。
  5. 自动生成基于 SAA 的智能体工程：用户通过自然语言与 JManus 交互，生成规划并沉淀为特定垂直方向的固化解决方案。社区正在探索与低代码平台、框架脚手架的深度整合，支持规划转换为具备对等能力的 Spring AI Alibaba 工程。

JManus 智能体平台还在持续开发建设中，可关注官方仓库源码及后续发布动态。

（二）DeepResearch 智能体

DeepResearch 是一款基于 Spring AI Alibaba Graph 开发的 Deep Research 智能体，包含完整的前端 Web UI（开发中）和后端实现。它支持一系列精心设计的工具，如 Web Search（网络查询）、Crawling（爬虫）、Python 脚本引擎等，可借助大模型与工具能力，帮助用户完成各类深度调研报告。

DeepResearch 智能体还在持续开发建设中，可关注官方仓库源码及后续发布动态。
以下是 DeepResearch 多智能体应用架构：
在这里插入图片描述

八、近期规划

  1. 框架自身的持续迭代优化：基于 Spring AI 最新设计升级内部实现，优化性能和稳定性，提供更丰富的智能体开发工具与组件。
  2. 可观测与评估平台：加强与阿里云 ARMS、百炼模型评测系统的集成，提供更完善的监控与效果评估能力。
  3. 本地项目构建与调试工具：提升 Agent、Graph 研发效率，支持本地化可视化调试。
  4. 所见即所得，从拖拽绘图到代码自动生成：推进深度集成百炼 DashScope、Dify 等 AI 应用开发平台，支持可视化绘制 AI 工作流，一键导出 Spring AI Alibaba 代码工程。
  5. 自动智能体开发平台：探索智能体基于模型规划与 MCP Registry 的自动智能体研发模式。
  6. 深度参与 MCP、A2A、AG - UI 等智能体协议共建。

九、与 Spring AI 联系和区别

Spring AI 是 Spring 官方社区维护的开源框架，最初于 2024 年 5 月发布首个 Milestone 版本，在 2025 年 5 月正式发布首个 1.0 GA 版本。它侧重 AI 能力构建的底层原子能力抽象以及与 Spring Boot 生态的无缝集成，如模型通信（ChatModel）、提示词（Prompt）、检索增强生成（RAG）、记忆（ChatMemory）、工具（Tool）、模型上下文协议（MCP）等，帮助 Java 开发者快速构建 AI 应用。

自 2024 年 9 月正式开源以来，Spring AI Alibaba 一直与 Spring AI 社区有深度沟通合作，期间发布了多个 Milestone 版本并与很多企业客户建立了深度合作关系。Spring AI Alibaba 孵化自企业智能体构建过程，目标是为企业提供开箱即用的企业级解决方案，包括多智能体搭建与编排的 Graph 框架、低代码框架集成、企业数据与工具集成、效果评估、通用智能体产品与平台构建等。

十、相关链接

  • Spring AI Alibaba 仓库：https://github.com/alibaba/spring-ai-alibaba
  • Spring AI Alibaba 官方示例仓库：https://github.com/springaialibaba/spring-ai-alibaba-examples
  • Spring AI 1.0 GA 文章：https://java2ai.com/blog/spring-ai-100-ga-released
  • Spring AI 仓库：https://github.com/spring-projects/spring-ai
# 人工智能
Logo
脑启社区

脑启社区是一个专注类脑智能领域的开发者社区。欢迎加入社区，共建类脑智能生态。社区为开发者提供了丰富的开源类脑工具软件、类脑算法模型及数据集、类脑知识库、类脑技术培训课程以及类脑应用案例等资源。

更多推荐

cover

快讯｜复旦发布全球首篇WAM系统性综述366篇论文绘制技术版图，飞捷科思自研可微分物理引擎Fysics指标超8B模型，维泛智能类脑芯片BiGPU融合ANN与SNN，Sim2Real实证：空间特征泛化远

avatar 脑启社区

EM-Core自动驾驶类脑世界模型——全域客观认知底座（V1.0 正式版）

本文档为 EM-Core 自动驾驶认知系统的核心认知底座规范，是 ECC 认知大脑开展推理、预判、决策的**唯一客观依据**。本模型与 MLNF-Mem 记忆中枢完全物理解耦，作为漏斗外侧独立挂载的外置模块（ad-44）运行，仅通过 `WM_QUERY` 标准消息向 ECC-01 情境解析模块和 ECC-03 因果推理模块提供风险向量与属性查询服务，不参与记忆晋升、遗忘或行为决策。适用于全场景自动

avatar 脑启社区
cover

突破 Transformer 极限：一文看懂类脑架构 MT-LNN 最新的“超神”评测结果！

avatar 脑启社区